FM 现有实现的算法自由度一般为2,或者将FM与MLP结合,本文给出了自由度大于等于2的FM算法可轻松转换为code的公式。
公式如下:
参数说明:
“ *”:multiply
n : N-Features.
d = degree
beta的求法:
init
a= np.arange(0,d)
beta_k = np.zeros(d)
for k = 1:d do:
从a中取(k-1)个值得全集 group(list类型)
len = length(group)
temp_sum = 0
for i = 0: (len-1)
temp_sum += prod(group(i)) #先累积再累和
beat_k[k-1] = temp_sum
end
代码参考了 Xiangnan He and Tat-Seng Chua (2017). Neural Factorization Machines for Sparse Predictive Analytics. In Proceedings of SIGIR '17, Shinjuku, Tokyo,
Japan, August 07-11, 2017.
详细Tensorflow 代码见:https://github.com/hunterluok/NFM-3
代码利用一般性公式 对自由度K=3进行了测试,高阶因子分解机在一些数据中能取得更好的效果。